本記事では、材料開発において多様な失敗が発生する現状を踏まえ、失敗試行を有効活用したベイズ最適化手法を解説します。失敗は装置の制御ミスや配合ミス、環境変動、サンプル未取得などとして現れ、単なるノイズではなく、どの条件下で失敗が起こりやすいかの情報源となります。そこで、過去の実験データから失敗確率を推定する分類モデルを構築し、その予測結果を反映した獲得関数を用いて失敗リスクと目的性能最適化のトレードオフを探索する手法を紹介します。また、失敗コストが大きい場合や外れ値、打ち切りデータがある場合といった、失敗試行に関連する様々な状況を考慮したアプローチとの使い分けについても簡単にご紹介します。